Python 在numpy中重塑Ndarray与常规数组?
我有一个类型为“numpy.ndarray”的对象,称为“myarray”,当使用python的“print”打印到屏幕上时,它看起来像是点击Python 在numpy中重塑Ndarray与常规数组?,python,arrays,numpy,scipy,Python,Arrays,Numpy,Scipy,我有一个类型为“numpy.ndarray”的对象,称为“myarray”,当使用python的“print”打印到屏幕上时,它看起来像是点击 [[[ 84 0 213 232] [153 0 304 363]] [[ 33 0 56 104] [ 83 0 77 238]] [[ 0 0 9 61] [ 0 0 2 74]]] “myarray”是由另一个库生成的。myarray.shape的值等于(3,2)。我希望这是一个三维数组,有三个索引。当我尝试自己制
[[[ 84 0 213 232] [153 0 304 363]]
[[ 33 0 56 104] [ 83 0 77 238]]
[[ 0 0 9 61] [ 0 0 2 74]]]
“myarray”是由另一个库生成的。myarray.shape
的值等于(3,2)。我希望这是一个三维数组,有三个索引。当我尝试自己制作此结构时,使用:
second_array = array([[[84, 0, 213, 232], [153, 0, 304, 363]],
[[33, 0, 56, 104], [83, 0, 77, 238]],
[[0, 0, 9, 61], [0, 0, 2, 74]]])
我得到了第二个数组。正如预期的那样,shape
等于(3,2,4)
。为什么会有这种差异?此外,鉴于此,我如何重塑“myarray”以合并两列,即结果是:
[[[ 84 0 213 232 153 0 304 363]]
[[ 33 0 56 104 83 0 77 238]]
[[ 0 0 9 61 0 0 2 74]]]
编辑:为了澄清,我知道在第二个数组
的情况下,我可以执行第二个数组。重塑((3,8))
。但是对于格式为myarray
但没有3d索引的ndarray,这是如何工作的呢
myarray.dtype
是“object
”,但也可以更改为ndarray
编辑2:越来越近,但仍然无法完全获得ravel
/展平
,然后再进行重塑。我有:
a = array([[1, 2, 3],
[4, 5, 6]])
b = array([[ 7, 8, 9],
[10, 11, 12]])
arr = array([a, b])
我尝试:
arr.ravel().reshape((2,6))
但是这就给了[[1,2,3,4,5,6],…]
,我想要[[1,2,3,7,8,9],…]
。如何做到这一点
谢谢。事实上,
ravel
和hstack
是重塑阵列的有用工具:
import numpy as np
myarray = np.empty((3,2),dtype = object)
myarray[:] = [[np.array([ 84, 0, 213, 232]), np.array([153, 0, 304, 363])],
[np.array([ 33, 0, 56, 104]), np.array([ 83, 0, 77, 238])],
[np.array([ 0, 0, 9, 61]), np.array([ 0, 0, 2, 74])]]
myarray = np.hstack(myarray.ravel()).reshape(3,2,4)
print(myarray)
# [[[ 84 0 213 232]
# [153 0 304 363]]
# [[ 33 0 56 104]
# [ 83 0 77 238]]
# [[ 0 0 9 61]
# [ 0 0 2 74]]]
myarray = myarray.ravel().reshape(3,8)
print(myarray)
# [[ 84 0 213 232 153 0 304 363]
# [ 33 0 56 104 83 0 77 238]
# [ 0 0 9 61 0 0 2 74]]
关于编辑2:
import numpy as np
a = np.array([[1, 2, 3],
[4, 5, 6]])
b = np.array([[ 7, 8, 9],
[10, 11, 12]])
arr = np.array([a, b])
print(arr)
# [[[ 1 2 3]
# [ 4 5 6]]
# [[ 7 8 9]
# [10 11 12]]]
注意
In [45]: arr[:,0,:]
Out[45]:
array([[1, 2, 3],
[7, 8, 9]])
由于您希望第一行是[1,2,3,7,8,9]
,因此上面显示了您希望第二个轴是第一个轴。这可以通过swapaxes
方法实现:
print(arr.swapaxes(0,1).reshape(2,6))
# [[ 1 2 3 7 8 9]
# [ 4 5 6 10 11 12]]
arr = np.hstack([a, b])
# [[ 1 2 3 7 8 9]
# [ 4 5 6 10 11 12]]
或者,给定a
和b
,或等效地arr[0]
和arr[1]
,您可以直接使用hstack
方法形成arr
:
print(arr.swapaxes(0,1).reshape(2,6))
# [[ 1 2 3 7 8 9]
# [ 4 5 6 10 11 12]]
arr = np.hstack([a, b])
# [[ 1 2 3 7 8 9]
# [ 4 5 6 10 11 12]]
你能告诉我们什么是myarray.dtype吗?你能告诉我们什么是
repr(myarray)
(这比打印myarray
)更有用吗?我看到了你的编辑,但我想知道myarray.dtype
。或者,告诉我类型(myarray[0][0])
。我的意思是myarray
:它是object
<代码>类型(myarray[0][0])是
。repr
是数组([[[84 0 213 232],…],dtype=object)
。简而言之,条目的类型是object
,这可能是问题所在?但它们只是整数,所以我想将其设置为更易于使用的“常规”numpy数组,因此它是一个数组数组数组。您有权访问“另一个库”吗这给了您myarray
?听起来好像有错误,您应该修复它,而不是重塑输出。在这种情况下,您可以使用myarray.astype(int)组合来转换它
、np.ravel
和np.reforme
谢谢,尽管我仍然不能完全正确地理解,请参见编辑。欢迎提供相关提示!谢谢